需求预测挑战
最佳入围
我最好的参赛作品是RMSE = 0.91890,挑战中排名第一的参赛作品是0.75368。 我的参赛作品约占榜首的25%。 我将XGBoost算法用于滞后特征工程。
介绍
使用Kaggle的竞赛。 该竞赛包含一个具有挑战性的时间序列数据集,其中包含每日销售数据,该数据集由俄罗斯最大的软件公司之一-1C公司提供。 任务是预测下个月每个产品和商店的总销售额。
先决条件
码头工人
薄片8
pytest
数据
数据当前已压缩,可以通过以下方式进行膨胀:
cd source/
unzip data.zip
训练
在根目录中,使用以下命令打开一个tensorflow 2.3.0 docker容器的bash入口点:
make run
如果在GPU机器上,请通过运行以下命令使GPU可见:
make run.gpu
训练:
python -m source.xgboos
1